DiST-4D: 基于度量深度的解耦时空扩散用于4D驾驶场景生成

ICCV 25 2025 58.6 method, application

TLDR

基于度量深度解耦时空扩散的4D驾驶场景生成框架，在时间预测和新视角合成上达到SOTA。

评分理由

The paper introduces a novel decomposition of 4D generation into two diffusion processes with cycle consistency, leveraging metric depth for geometric consistency. Strengths include strong empirical results on temporal and spatial tasks, but the abstract lacks explicit details on real-world datasets and limitations.

Read-first 评分解释

综合优先阅读分 58.6，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 41。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：评估、实验、指标

主题相关性 42%

58.6

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：GitHub

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：201。

关键词评分

world dynamics prediction

generative world model

video world model

world model

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

首个用于4D驾驶场景生成的解耦时空扩散框架
利用度量深度作为核心几何表示，连接时间和空间合成
循环一致性机制，通过前向-后向渲染约束减少观测视角与未见视角的泛化差距

方法

DiST-4D将4D驾驶场景生成分解为两个扩散过程：DiST-T从过去观测预测未来的度量深度和多视角RGB序列；DiST-S通过仅训练现有视角并强制执行循环一致性（前向-后向渲染约束）来实现空间新视角合成。度量深度提供了视角一致的几何表示，可泛化到未见视角。

关键结果

DiST-4D在时间预测和新视角合成任务上均达到最先进性能，并在规划相关评估中取得有竞争力的表现。

资源

论文项目